III.4Клиентская поддержка и customer success

Модель francesca9805/eng-latn-100mb-ppt-Dp-10mb-packednew_seed3407 — дообученная Francesca9805 версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; карточка показывает пример ответа на открытый вопрос. Модель построена на архитектуре GPT-2 с плотной сетью, работает через Transformers и сохранена в формате safetensors. Размер контекста составляет 512 токенов. Веса опубликованы по лицензии базовой модели; сведения о лицензии в предоставленных данных отсутствуют.

Это дообученная модель GPT-2, созданная на основе francesca9805/eng-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed455 и обученная с использованием TRL. Она предназначена для генерации текста по запросу; в карточке приведён пример ответа на вопрос на английском языке. Модель использует архитектуру GPT2LMHeadModel, веса опубликованы в формате safetensors, контекст составляет 512 токенов. Лицензия в предоставленных данных не указана.

Модель francesca9805/eng-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed3407 — дообученная версия goldfish-models/eng_latn_10mb на базе GPT-2. Автор указывает, что модель обучена с помощью TRL; метаданные отмечают формат safetensors и библиотеку Transformers. Модель предназначена для генерации текста на английском языке и может использоваться для продолжения текста или ответов на запросы. В карточке приведён пример генерации ответа на вопрос. Длина контекста составляет 512 токенов. Карточка не уточняет состав обучающих данных и ограничения качества. Условия лицензирования в предоставленных данных не указаны.

Это дообученная на базе goldfish-models/eng_latn_10mb модель семейства GPT-2, созданная Francesca9805 и обученная с помощью TRL. Она предназначена для генерации текста в ответ на запросы; пример в карточке показывает ответ на вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и поддерживает контекст длиной до 512 токенов. Карточка не сообщает результаты оценки качества или специальные области применения. Базовая модель обозначена как англоязычная, поэтому модель ориентирована на генерацию английского текста. Лицензия в предоставленных данных не указана.

francesca9805 выпустила дообученную модель генерации текста на базе goldfish-models/eng_latn_10mb. Это плотная GPT-2 модель, обученная с помощью TRL; для работы доступны веса в формате safetensors. Карточка демонстрирует генерацию ответа на открытый вопрос в формате диалога. Модель предназначена для продолжения текста и генерации ответов на вопросы. Указанная длина контекста — 512 токенов. Данных о специальных прикладных областях и условиях лицензирования в предоставленных источниках нет.

Abin7/finnish-mal-spanish — объединённая языковая модель, созданная с помощью mergekit методом TIES на базе NousResearch/Llama-2-7b-hf. В объединение вошли модели для финского, малаялам и испанского языков. Модель имеет архитектуру Llama с 6,6 млрд параметров, принимает текст и генерирует текст; нативный размер контекста — 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев на поддерживаемых языках. В карточке указана лицензия? НЕТ. Доступные сведения не подтверждают качество для отдельных языков и конкретных задач, поэтому результаты следует проверять, особенно в задачах, требующих точности. Весовой формат репозитория — safetensors; в конфигурации слияния указан тип float16.

Friendliness_continuous — дообученная модель на базе microsoft/deberta-v3-base, разработанная ajrayman для классификации текста. По названию модели и метрикам RMSE, MAE и корреляции она, вероятно, оценивает дружелюбность текста как непрерывную величину; описание карточки не раскрывает шкалу оценки или подробности целевых данных. Модель построена на архитектуре DeBERTa-v2 и содержит 211,6 млн параметров. Она принимает текст, поддерживает контекст длиной до 512 токенов и предназначена для англоязычных текстов. Опубликованные метрики на оценочной выборке: loss 0,0673, RMSE 0,2595, MAE 0,2007 и корреляция 0,2376. Лицензия — MIT. Карточка не содержит сведений о датасете, разметке, способе интерпретации оценок или известных ограничениях; низкая корреляция на приведённой оценочной выборке требует осторожности при использовании результатов.

Qrzysztof/functiongemma-270m-it-prepaid-cards — дообученная компанией или автором Qrzysztof модель Google FunctionGemma 270M IT, созданная с помощью TRL. Это компактная плотная текстовая модель с архитектурой Gemma 3 и 257 млн параметров; она рассчитана на генерацию текста в диалоговом формате и специализирована на теме предоплаченных карт. Модель может использоваться для ответов на вопросы и диалоговых сценариев в этой области. Модель принимает текст и генерирует текст; базовая модель поддерживает контекст до 32 768 токенов. В карточке указана библиотека Transformers и формат весов safetensors. README не приводит подробных результатов обучения или оценки качества. Лицензия и отдельные условия использования этой версии в предоставленных данных не указаны.

GenreLlama38b — дообученная языковая модель, опубликованная TACameronStott на основе unsloth/llama-3-8b-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; обучение проводилось с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста, однако карточка не описывает специализацию на жанрах или конкретные сценарии применения. Она поддерживает английский язык и контекст до 8192 токенов. Распространяется по лицензии Apache-2.0.

GREEN-Phi2 — дообученная StanfordAIMI модель семейства Phi на базе microsoft/phi-2, созданная для генерации текста в диалоговом формате. Это плотная авторегрессионная языковая модель объёмом 3,5 млрд параметров с контекстом до 2048 токенов; опубликованные веса сохранены в формате safetensors. Карточка сообщает о дообучении на неизвестном наборе данных и приводит значение loss 0,0781 на оценочном наборе, но не раскрывает методику оценки и назначение модели подробнее. Модель можно применять для генерации ответов и продолжения текста в чате. Базовая Phi-2 описана как англоязычная модель для генерации текста, ответов на вопросы и кода; данных о том, сохранились ли эти возможности после дообучения, нет. Лицензия — MIT.

Haary/haryra-7b-mistral-id — разговорная модель на архитектуре Mistral, опубликованная в формате safetensors. Согласно README, это версия Ichsan2895/Merak-7B-v4, полученная с помощью QLoRA; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. В карточке указаны индонезийский и английский языки, но сценарии её применения и сравнительные оценки качества не описаны. Для работы используется Transformers; README отмечает, что для версий Transformers не новее 4.34 может потребоваться установка из исходного кода. Модель распространяется по лицензии CC BY-SA 4.0. Данных о специальных ограничениях на применение или результатах оценки качества в карточке нет.

Модель francesca9805/hin-deva-10mb-after-ppt-Dp-10mb-packed-bfdiso-ckpt500_seed455 — дообученная GPT-2, созданная на основе francesca9805/hin-deva-10mb-ppt-Dp-10mb-packed-bfdiso_seed455. По карточке, обучение выполнено с помощью TRL; модель предназначена для генерации текста в ответ на текстовые запросы и примере показана как генератор ответа на вопрос. Использовать её можно через Transformers pipeline с задачей text-generation. Модель принимает текст и генерирует текст; заявленное максимальное контекстное окно — 512 токенов. Размер модели и поддерживаемые естественные языки в предоставленных данных не обозначены. Модель опубликована под лицензией, сведения о которой в карточке и метаданных не приведены.

Huihui-HY-MT1.5-1.8B-abliterated-GGUF — GGUF-квантизированная версия модели Huihui-HY-MT1.5-1.8B-abliterated, разработанной huihui-ai и подготовленной квантизацией пользователем mradermacher. Модель ориентирована прежде всего на машинный перевод и поддерживает широкий набор языков, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, немецкий и другие языки. Модель имеет размер 1,8 млрд параметров и поставляется в формате GGUF, что делает её пригодной для локального запуска в совместимых инструментах. Доступны варианты квантизации Q2_K, Q3_K, IQ4_XS, Q4_K_S, Q4_K_M, Q5_K_S, Q5_K_M, Q6_K, Q8_0 и f16; размеры файлов составляют примерно от 0,9 до 3,7 ГБ. В README рекомендуются варианты Q4_K_S и Q4_K_M как быстрые, а Q6_K и Q8_0 — как обеспечивающие более высокое качество. К сильным сторонам относятся компактный размер, поддержка множества языков и возможность выбора между скоростью, требованиями к памяти и качеством через разные варианты квантизации. Ограничения — отсутствие в представленном README сведений об архитектуре, размере контекста, результатах оценки, мультимодальности и точных сценариях использования; заявлена только текстовая переводческая специализация. Лицензия в README не указана.

jialinyyzz/humanizer — модель на 12 млрд параметров, дообученная на базе google/gemma-4-12B для переработки черновиков, созданных ИИ. Она переписывает письма, эссе, отчёты и сообщения на форумах на английском и китайском языках, стремясь сохранить числа, единицы измерения, даты, имена и цитаты и не добавлять новых фактов. Модель поддерживает диалоговый режим и может работать локально без подключения к сети через приложение или совместимые среды, включая llama.cpp. Репозиторий содержит веса Safetensors и GGUF, включая варианты с разной точностью и квантизацией для устройств с разным объёмом памяти. Лицензия — Apache-2.0. По оценке авторов, результаты на английском лучше, чем на китайском; модель иногда меняет факты, форматирование или язык, а в разговорных текстах может добавить сленг или ненормативную лексику. Переписанный текст следует вычитывать, особенно имена, даты и числа.

Модель Francesca9805 — дообученная версия GPT-2, обученная с помощью TRL и предназначенная для генерации текста по запросу. Пример в карточке показывает сценарий ответа на вопрос в формате диалога; модель можно запускать через Transformers pipeline с задачей text-generation. Модель использует плотную архитектуру GPT-2 и формат весов safetensors. Контекст составляет 512 токенов. В карточке указана базовая модель Francesca9805/ita-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed3407. Лицензия и явный перечень поддерживаемых языков в предоставленных данных не указаны.

Это японская языковая модель LINE Corporation для генерации текста, дообученная для следования инструкциям и представленная в 4-битной квантизации. В README указано 3,6 млрд параметров; метаданные определяют архитектуру как GPT-NeoX с 4,7 млрд параметров и контекстом 2048 токенов. Модель подходит для генерации ответов и продолжения текста на японском языке. Для токенизации используется SentencePiece с unigram-моделью и byte-fallback; предварительная токенизация японским токенизатором не требуется, поэтому можно подавать исходные предложения напрямую. Репозиторий содержит веса PyTorch и Safetensors и распространяется по лицензии Apache-2.0. README называет модель квантованной, однако метаданные указывают форматы PyTorch и Safetensors и не уточняют формат квантованных весов.

KoAlpaca-llama-1-7b — языковая модель beomi, дообученная на основе LLaMA в рамках проекта KoAlpaca, вдохновлённого Stanford Alpaca. Это плотная авторегрессионная модель семейства LLaMA примерно на 6,6 млрд параметров для генерации текста и ответов в стиле инструкций. В карточке заявлены корейский и английский языки; модель доступна в формате PyTorch и распространяется по лицензии Apache-2.0. Модель предназначена для корейскоязычных диалогов и выполнения текстовых инструкций, а также может генерировать текст на английском. Имеющихся сведений недостаточно, чтобы подтвердить конкретные результаты, размер контекста или дополнительные возможности; качество и актуальность ответов могут быть ограничены данными и настройкой базовой модели.

Kocdigital-LLM-8b-v0.1 — дообученная KOCDIGITAL авторегрессионная языковая модель семейства Llama 3 с плотной архитектурой и примерно 7,5 млрд параметров. Её обучили методом SFT с QLoRA на наборах инструкций на турецком языке, составленных из открытых и внутренних источников. Модель предназначена для диалогов и выполнения инструкций на турецком языке; заявленная длина контекста — 8192 токена. Модель может использоваться для генерации ответов, диалоговых помощников и других задач, где требуется следовать инструкциям на турецком языке. В карточке приведены результаты на турецких версиях AI2 Reasoning Challenge и HellaSwag. Лицензия — Llama 3 Community License. Разработчики предупреждают, что модель может ошибаться, выдавать вводящую в заблуждение или предвзятую информацию и создавать нежелательный контент; её качество в реальных сценариях не проверено всесторонне. Перед применением нужны тестирование и контроль результатов человеком.

Bluuwhale/L3-SthenoMaidBlackroot-8B-V1 — языковая модель для генерации текста и разговорных ролевых диалогов. Она создана объединением методом Model Stock трёх моделей на базе Llama: Sao10K/L3-8B-Stheno-v3.2, NeverSleep/Llama-3-Lumimaid-8B-v0.1-OAS и Hastagaras/Jamet-8B-L3-MK.V-Blackroot. Репозиторий подготовлен с помощью mergekit; модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат Safetensors. Модель предназначена для чата, ролевых сценариев, написания историй и следования инструкциям на английском языке. Контекст составляет 8192 токена. Лицензия в предоставленных данных не указана, поэтому условия распространения и использования следует уточнять в карточке модели.

Карточка модели jumtul/LDCC-Hyeogi.04 на Hugging Face совпадает с карточкой rrw-x2/KoSOLAR-10.9B-v0.5, поэтому описание составлено по ней. KoSOLAR-10.9B-v0.5 — корейская языковая модель для генерации текста, созданная объединением моделей с помощью mergekit и метода SLERP. В объединение вошли hyeogi/SOLAR-10.7B-dpo-v1 и LDCC/LDCC-SOLAR-10.7B; карточка также указывает на дообучение с LoRA на наборе kyujinpy/OpenOrca-KO. Архитектура — плотная LlamaForCausalLM, размер — 10,7 млрд параметров, контекст — 4096 токенов. Модель предназначена для генерации корейского текста и диалоговых ответов в сценариях на основе текстового ввода. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. README не приводит результатов оценки качества или подробных ограничений применения.

Модель sanghwa-na/llama2-13b.kor.v2 разработана Sanghwa Na на основе LLaMA 2. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, предназначенная для генерации текста и выполнения инструкций. Для дообучения использованы наборы данных в стиле Orca и Platypus; формат запроса разделяет инструкцию и ответ маркерами «### Instruction» и «### Response». Модель работает через библиотеку Transformers, веса представлены в формате safetensors. Карточка указывает корейский язык. Длина контекста составляет 2048 токенов. Модель подходит для диалоговых ответов и генерации текста по инструкциям на корейском языке. Использование регулируется лицензией Llama 2.

kfkas (Taemin Kim) и Juwon Kim разработали Llama-2-ko-7b-Chat на основе beomi/llama-2-ko-7b, дообучив модель на наборе данных nlpai-lab/kullm-v2 с форматом диалогов KULLM. Это плотная авторегрессионная языковая модель семейства Llama 2 с 6,7 млрд параметров, предназначенная для генерации ответов в чатах и выполнения инструкций на корейском языке. Модель принимает и выдаёт текст; заявленная длина контекста — 2048 токенов. В карточке приведены примеры ответов на вопросы и запросы на составление списков. Метаданные также указывают английский язык, но основной сценарий модели — диалоги на корейском. Для скачивания весов и токенизатора требуется принять лицензию Meta; подробные условия определяются этой лицензией.

Jsoo/Llama3-beomi-Open-Ko-8B-Instruct-preview-test6 — плотная языковая модель семейства Llama 3 с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Согласно карточке, это продолжение предварительного обучения Llama-3-8B на более чем 60 ГБ общедоступных дедуплицированных текстов и свыше 17,7 млрд токенов с токенизатором Llama 3. Модель предназначена для генерации текста и диалогового использования, прежде всего на корейском языке; метаданные также отмечают английский. Контекст составляет 8192 токена. Модель может служить основой для генерации корейского текста, продолжения фрагментов и диалоговых ответов. README показывает краткий пример вывода на корейском, но не сообщает оценок качества или подробных результатов тестирования. Репозиторий содержит веса safetensors. Лицензия указана как other, поэтому условия использования следует проверять в карточке модели и связанных с ней материалах.

kuotient/Llama-3-Ko-8B-dare-ties — диалоговая языковая модель, созданная слиянием моделей с помощью mergekit и метода DARE TIES. В качестве базовой указана meta-llama/Meta-Llama-3-8B; в слиянии также участвовали beomi/Llama-3-Open-Ko-8B и meta-llama/Meta-Llama-3-8B-Instruct. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалоговых ответов, прежде всего на корейском языке; README показывает пример ответа на корейском и сообщает о сочетании базовой, языковой и инструкционной моделей. Сильная сторона — объединение корейской языковой модели с инструкционной моделью для чат-сценариев. README отмечает, что результаты слияния зависят от параметров плотности и предлагает экспериментировать с ними; сравнительных оценок качества не приведено. Лицензия в метаданных обозначена как «other», поэтому конкретные условия использования по имеющимся данным определить нельзя.

mesolitica разработала эту инструкционную модель на архитектуре Mistral с 7,1 млрд параметров. Модель получена полным дообучением Mistral Instruct на датасете инструкций на малайском языке; для диалога используется исходный шаблон чата Mistral Instruct. Модель предназначена для генерации ответов на инструкции и вопросы на малайском языке. Контекстное окно составляет 32 768 токенов, поэтому модель может обрабатывать длинные запросы и контекст. В карточке приведён пример ответа на вопрос о малайзийском пенсионном фонде KWSP. Модель принимает текст и генерирует текст. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана. Качество и ограничения дообучения отдельно не описаны.

indischepartij/MiaAffogato-Indo-Mistral-7b — разговорная текстовая модель на архитектуре Mistral, представленная на Hugging Face. Репозиторий содержит модель для генерации текста с 7,1 млрд параметров и контекстом до 32 768 токенов; она использует Transformers и формат PyTorch. В метаданных указан индонезийский язык и возможность диалогового общения. Модель подходит для генерации ответов и ведения диалога на индонезийском языке. В карточке приведены результаты Open LLM Leaderboard: средний балл 70,83, ARC — 66,38, HellaSwag — 85,43; остальные строки таблицы здесь не раскрыты. Автор, происхождение обучения, обучающие данные и конкретные ограничения не описаны. Лицензия — Apache-2.0.

Millésime 2026 9B — модель диалогового языка для общения на французском языке, разработанная в рамках проекта Millésime на основе Qwen/Qwen3.5-9B. Она содержит около 9 млрд параметров, использует плотную архитектуру Qwen3.5 и поддерживает контекст до 262 144 токенов. Модель дообучена в два этапа: SFT на более чем 38 тысячах примеров французской тематики, затем DPO на предпочтениях пользователей арены Compar:IA. Модель предназначена для ответов на вопросы, диалога, написания и редактирования текстов, а также задач на знания и рассуждение на французском языке. В сравнительном тесте FR-MT-Bench авторы сообщают средний результат 7,314 по оценкам четырёх LLM-судей; это результат оценки авторов, а не гарантия качества в любых сценариях. Модель работает без явной цепочки рассуждений. По данным карточки, модель склонна отвечать излишне многословно на простые вопросы, уступает более крупным моделям в энциклопедических знаниях и не обучалась на примерах вызова инструментов. Лицензия — Apache 2.0.

AIdenU/Mistral-7b-ko-Y24-DPO_v0.1 — разговорная языковая модель семейства Mistral, представленная в формате PyTorch и рассчитанная на генерацию текста. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; в карточке указан корейский язык. Она предназначена для диалогового взаимодействия и генерации ответов на текстовые запросы. README содержит только заголовок и отметку об опущенном коде, поэтому подробности о процессе обучения и качестве модели установить нельзя. Лицензия в предоставленных данных не указана.

mistral-ko-exo-mrc-v1 — модель на 7,1 млрд параметров, дообученная shleeeee (Seunghyeon Lee) и oopsung (Sungwoo Park) на базе Mistral-7B. Это плотная авторегрессионная языковая модель архитектуры Mistral для генерации текста; карточка указывает на использование корейского языка. Контекст модели — до 32 768 токенов. Модель предназначена для генерации текста на корейском языке. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в репозитории модели. В карточке не описаны результаты оценки качества и специальные ограничения применения.

Morfoz-LLM-8b-v1.0 — языковая модель на архитектуре Llama, разработанная Morfoz-Aigap и дообученная для турецкого языка на очищенных турецких текстах и наборах инструкций из открытых источников. В основе лежит Meta Llama 3 8B Instruct; для турецкого расширен токенизатор, а дообучение выполнено методом LoRA с рангом 64 и целевыми модулями all-linear. Модель предназначена для генерации текста и ответов на инструкции на турецком языке. Она содержит около 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Репозиторий предоставляет веса в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит количественных оценок качества или подробных результатов тестирования; качество ответов на конкретных задачах следует проверять отдельно.